rllm

收录理由

多数团队优化LLM智能体时，通常靠反复改写提示词来提升效果。rLLM换了一条路：把智能体本身当作可训练的对象，直接用强化学习去更新驱动它的模型。框架把那些繁琐的工程细节都包揽下来——你可以自带智能体框架，或者用装饰器包装自己的代码，在Docker、Daytona、Modal或本地环境里跑数据采集，训练后端也只需一个参数就能切换。同一份智能体代码既用于评测也用于训练，这样就不会出现“打分方式”和“更新方式”脱节的老问题。内置60多个基准测试，支持GRPO、REINFORCE、RLOO等算法，对实验室和应用研究团队来说，是个很实在的起点——不用自己从头搭分布式训练栈，就能跑出接近前沿的强化学习训练结果。